Académique Documents
Professionnel Documents
Culture Documents
ABSTRACT
During the last the 200 years different methods and techniques for
digital processing have been developed for the detection and
evaluation of signals. Among these methods is the study of the
distributions time-frequency such as short-time Fourier transform
(STFT), or Wavelet Transform (WT). This document introduces, in a
simple way, the basic characteristics of each procedure of analysis
of signals, like it illustrates, by means of Matlab 7, some basic
examples of its implementations are shown.
presenta un gran problema al pretender determinar el a2cos(2*2πt), a3*cos(3*2πt), … y los coeficientes b1,
instante en que ocurre un evento en particular, por lo que b2, b3 expresan la proporción de la función sen(1*2πt),
se hizo necesaria la implementación o el mejoramiento de sen(2*2πt), sen(3*2πt), … A partir de la ecuación de
los procesos de análisis vigentes1. En esta búsqueda Euler, es más adecuado expresar la serie como:
aparece, en 1946, Denis Gabor quien adapta la
transformada de Fourier para permitir el análisis en el
tiempo aplicando la misma transforma de Fourier a
pequeñas secciones de la señal; desarrollando una técnica
conocida como el ventaneado. Este procedimiento no Ecuación 2. Serie de Fourier
resuelve todas las dificultades por lo que en algunas
ocasiones se tiene la necesidad de efectuar análisis más
detallados, debido a que la misma ventana se aplica para
todas las frecuencias. Posteriormente, el análisis Wavelet
ha permitido resolver esta dificultad haciendo uso de Ecuación 3. Coeficientes de la Serie de Fourier.
intervalos de tiempo largos donde se requiere mejor
información de baja frecuencia y regiones más cortas Nótese que el coeficiente Cn generaliza los coeficientes a
para altas frecuencias. El uso popular de las Wavelets se y b respectivamente para la identidad de Euler.
produce por un artículo publicado conjuntamente por
Morlet y Grossmann quienes introdujeron por primera
vez el término "wavelet" en el lenguaje matemático en el Ecuación 4. Identidad de Euler.
año 1984. En la actualidad se considera a las Wavelets la
herramienta más poderosa para el análisis de señales, ya Fourier demostró que prácticamente cualquier función
que ofrecen conocimiento del espectro tanto en la periódica se puede representar como una suma de Senos
frecuencia como en el tiempo; así como también brindan y Cosenos asignándole a cada uno un coeficiente de
grandes aportes en los procesos de compresión y ponderación. Como ejemplo, se ha implementado una
reconstrucción de las señales. función cuadrada de periodo 2П y amplitud 1 con tres
términos y seis coeficientes, cuya función se analiza a
2. FOURIER continuación: Los coeficientes de la función periódica
La transformada de Fourier es el procedimiento son 1, 0, 1/3, 0, 1/5, 0,1/7 generando la siguiente f(t):
matemático que descompone una función en las
frecuencias que le forman de la misma manera que un 1 1 1
prima descompone la luz en los diferentes colores y f (t ) = sin(t ) + sin(3t ) + sin(5t ) + sin(7t )
longitudes de onda. La función que inicialmente se define 3 5 7
en el tiempo f(t) es la transformada al dominio de la Ecuación 5. f(t) aproximada de señal Cuadrada de
frecuencia F(w). Esta nueva función F(w) se llama la Periodo 2П
Transformada de Fourier o Serie de Fourier cuando la
función es Periódica. Fourier determinó que era posible A continuación se incluyen líneas que representan el
expresar una función coma la suma de Senos y Cósenos código en Matlab que permitió la generación de la serie a
de diferentes frecuencias y amplitudes hasta lograr través de la función f(t), que se muestra en la Figura 1:
determinar la función original. Este procedimiento fue function [xt]=cuadradaf(p,t,m)
implementado inicialmente para funciones periódicas, %Esta funcion permite calcular la Funcion Cuadrada
pero se puede extender a funciones no periódicas %Simetrica a partir de
haciendo tender a infinito su período T. %las series de Fourier para los elementos de (x) de una
%señal de periodo (p) con (m) armonicos:
2.1 Series de Fourier %[xt]=cuadradaf(p,x,m)
La serie de Fourier de una función periódica se escribe %(m) numero de armónicos hace más exacta la función,
frecuentemente como: %pero prolonga su ejecución.
f=1/p ; %frecuencia
w=2*pi*f; %velocidad angular
c=4/pi ; %factor cuadrada
gt=0 ; %Inicializacion
gtnew=0 ; %Inicializacion
Ecuación 1. Serie de Fourier for i=1:m;
Los coeficientes a1, a2, a3,… indican cuanto se aplica de n=2*i-1;
gt=sin(n*w*t)/n;
las funciones trigonométricas a1*cos(1*2πt),
gtnew=gt+gtnew;
end;
xt=c*gtnew;
1
The Word According The Wavelets pág 10 end;
Scientia et Technica Año XIII, No 34, Mayo de 2007. Universidad Tecnológica de Pereira 153
La forma más sencilla de utilizar esta función, se describe todo tipo de instrumentación científica que se use para el
a continuación: análisis y presentación de datos.
periodo=pi;
armonicos=3;
t=[0:0.1:3*pi]
y=cuadradaf(periodo,t,armonicos)
plot(t,y) Ecuación 7. Transformada de Fourier
grid;
function y = fftx(x)
%FFTX Tansformada rapida de Fourier.
% N -> cantidad de terminos que tiene el vector Ecuación 14. Definición de la Trasformada corta de Fourier
x = x';
N = length(x);
omega = exp(-2*pi*i/N);
if rem(N,2) == 0
% Division Recursiva
k = (0:N/2-1)';
w = omega.^k;
u = fftx(x(1:2:N-1));
v = w.*fftx(x(2:2:N));
y = [u+v; u-v];
else
% La Matriz de Fourier.
j = 0:N-1;
k = j';
F = omega.^(k*j);
yv = F*x; Figura 4. Paso del Dominio del Tiempo al tiempo Frecuencia
y=yv'; STFT
end
Si se aplica la función fftx al cálculo de la FFT para un En el caso del tiempo continuo, la función a ser
vector x[n]={1,2,1,0} se obtiene: transformada es multiplicada por una función ventana, la
v=[1 2 1 0] cual es diferente de cero por un corto instante. La
fftx(v) transformada de fourier de una señal resultante se mueve
ans = 4.0000 0.0000 - 2.0000i 0 -0.0000 + 2.0000i simultáneamente con la ventana que recorre el eje del
Donde se puede apreciar que los resultados de la DFT y tiempo (eje x), dando como resultado una representación
la FFT son idénticos, la diferencia sólo radica en el en dos dimensiones tiempo y frecuencia, como se aprecia
tiempo de evaluación que para este caso no es en la Figura 4.
considerable, pero al tomar algunos cientos de muestras y
cada fracción de segundo si resulta apreciable el consumo
en tiempo.
>> X = fft(x)
La FFT de Matlab del vector x genera un nuevo vector
“X” de números complejos ordenados desde k=0...N-1.
Se recomienda que la longitud del vector x sea una
potencia de 2. Otra opción de la FFT es especificar el
número de puntos con el que se quiere hacer la FFT.
>> X = fft(x,N)
Si la longitud de x es menor que N, el vector se rellena
con ceros. Si es mayor, el vector se trunca.
4. CONCLUSIONES
Figura 6. Análisis Espectrográfico de la Señal no Estacionaria.
El análisis de Fourier ha cambiado la forma en que la
ciencia y la ingeniería han percibido el mundo, puesto
El código generado para visualizar el espectrograma
que ha facilitado el florecimiento del tratamiento digital
anterior de manera general, se puede implementar con el
de señales con sus amplias aplicaciones en las
ejemplo aquí disponible. Primero, es necesario efectuar
comunicaciones, la compresión de datos y el análisis de
una función que genere el spike en un punto deseado, por
los mismos.
lo que es necesario crear dicha función.
function [x]=spikes(N,H,T)
Debido a su limitación en el análisis tiempo frecuencia,
%Genera un Spike de altura H en la posición T del
su detalle de ruido y los eventos que pudieran
%vector de tamaño N
presentarse como lo son los spikes, el análisis de Fourier
spikes=zeros(0,N);
resulta limitadamente apropiado por lo que se presenta la
spikes(1,T)=H;
aparición natural de nuevas y más sofisticadas
x=spikes;
herramientas como son las Wavelets.